皇冠体育寻求亚洲战略合作伙伴,皇冠代理招募中,皇冠平台开放会员注册、充值、提现、电脑版下载、APP下载。

首页科技正文

电银付小盟主(dianyinzhifu.com):在失败中学习!MIT新研究显示,机械可以像婴儿一样学会明白人类目的

admin2021-09-28181

电银付小盟主(dianyinzhifu.com):在失败中学习!MIT新研究显示,机械可以像婴儿一样学会明白人类目的 第1张

ADVERTISEMENT

在Warneken和Tomasello关于人类社会智力的经典实验中,一个18月大蹒跚学步的幼儿看着一个男子抱着一堆书走向一个未开封的柜子。当男子到达柜子时,他拙笨地将书在柜门上撞了几下,然后发出疑惑的声音。

接下来发生了一件难以想象的事情:幼儿提出要协助。

在推断出男子的目的后,幼儿走到柜子前,打开柜门,让男子把书放在内里。然则,幼儿的生活经验云云有限,怎么会做出这样的推断呢?

最近,电脑科学家把这个问题重新引向了电脑:机械若何做到相同的事情呢?

工程化这种明白的要害部门可以说是我们最人性化的地方:我们的错误。

就像蹒跚学步的孩子仅仅从他的失败中就能推断出这小我私家的目的一样,推断我们目的的机械也需要受到我们错误行动和计画的说明。

为了在机械中捕捉这种社交智慧,来自麻省理工学院电脑科学与人工智慧实验室(CSAIL)和大脑与认知科学系的研究人员缔造了一种能够推断目的和计画的演算法,纵然这些计画可能失败。

这类研究最终可用于改善一系列辅助手艺、协作或照顾护士机械人,以及Siri和Alexa等数位助理。

有关这项研究的新论文主要作者,麻省理工学院电气工程和电脑科学系的博士生Tan Zhi-Xuan 说:

「这种对错误举行注释的能力对于构建能够稳健地推断并根据我们的利益行事的机械来说可能是至关重要的。否则,人工智慧系统可能会错误地推断,由于我们未能实现我们的高阶目的,这些目的究竟不是我们想要的。我们已经看到,当演算法以我们对社群媒体的反射性和无计画的使用为食,将我们引向依赖和两极化的门路时,会发生什么。理想情况下,未来的演算法将认识到我们的错误、坏习惯和非理性,并辅助我们制止而不是强化它们。」

为了确立他们的模子,该团队使用了麻省理工学院最近开发的一个新的AI程式编辑平台Gen,将符号化(人类可读型)AI计划与贝氏推论相结合。贝氏推论提供了一种将不确定信心与新数据相结合的最佳方式,被普遍用于金融风险评估、诊断测试和选举展望。

,

币游官网_9cx.net

欢迎进入币游官网(币游国际官网),币游官网:www.9cx.net开放币游网址访问、币游会员注册、币游代理申请、币游电脑客户端、币游手机版下载等业务。

,

该团队的模子显示比现有的一种名为贝氏逆向强化学习(BIRL)的基础方式快20到150倍,该方式透过考察署理的行为来学习署理的目的、价值或奖励,并试图提前盘算完整的政策或计画。新模子在推断目的方面的准确率达到了75%。

加州大学柏克莱分校的Smith-Zadeh工程教授Stuart Russell说:「人工智慧正处于放弃『尺度模式』的历程中,在这种模式下,一个牢固的、已知的目的被赋予机械。相反,机械知道它不知道我们想要什么,这意味着若何从人类行为中推断目的和偏好的研究成为人工智慧的焦点课题。这篇论文认真对待这一目的,重点是,它的偏向是朝着确立模子进而推翻人类从目的和偏好发生行为的现实历程。」

若何实现

虽然在推断署理的目的和欲望方面已经有相当多的事情,但这些事情大多假设署理为实现其目的而接纳最佳行动。

然而,团队稀奇受到一种常见的人类计划方式的启发,这种方式基本上是次佳的:不是提前把所有的事情都计划好,而是只形成部门计画,执行后再重新计划。虽然这样做可能会由于「提前」思索不足而导致错误,但也减少了认知负荷。

例如,想像你正在看你的同伙准备食物,你想透过弄清他们在做什么来协助。你预测你的同伙接下来可能接纳的几个步骤:也许是预热烤箱,然后做苹果派的面团。然后,你只「保留」与同伙现实做的事情保持一致的部门计画,然后你再重复这个历程,从那里最先提前计画几步。

一旦你看到你的同伙做了面团,你就可以把可能性只限制在烘焙食物上,并预测他们接下来可能会切苹果,或者买一些胡桃来做馅饼。最终,你会把你同伙不可能做的菜品计画所有清扫,只保留可能的计画(即派的配方)。一旦你足够确定是哪道菜,你就可以自动协助了。

该团队的推理演算法被称为「顺序逆向计画搜索(SIPS)」,根据这个顺序来推断署理人的目的,由于它在每一步都只做部门计画,并在早期削减不可能的计画。由于该模子每次只提前几步举行计画,以是它也思量到了署理「你的同伙(前文例子)」可能也在做同样的事情。这包罗由于有限的计画而导致错误的可能性,例如在打开冰箱之前没有意识到你可能需要两只手空闲。透过提前检测这些潜在的故障,该团队希望这个模子可以被机械用来更好地提供辅助。

「我们早期的一个看法是,若是你想推断某人的目的,你不需要比他们想得更远。我们意识到,这不仅可以用来加速目的推断的速率,还可以用来从过于短视而无法乐成的行动中推断出预期目的,这使得我们从扩大演算法规模转向探索解决当前人工智慧系统更基本的侷限性的方式。」麻省理工学院首席研究科学家Vikash Mansinghka如是说,他是Tan Zhi-Xuan的团结照料之一,同时另有麻省理工学院大脑和认知科学教授Joshua Tenenbaum。「这是我们更大的moonshot的一部门,即对18个月大的幼儿感知举行逆向工程。」

这项事情的观点确立在Tenenbaum小组早期认知模子的基础上,展示了儿童甚至是10个月大的婴儿对他人目的所做的较简朴的推断若何被量化建模为贝氏逆向计划的一种形式。

虽然到目前为止,研究人员只在牢固目的集的相对较小的计划问题中探索推理,但他们计画透过未来的事情来探索人类目的和计画的更厚实的条理结构。透过对这些条理结构举行编码或学习,机械或许能够推断出更多种类的目的,以及它们所服务的深层目的。

「虽然这项事情只代表着一小步,但我希望这项研究能够为构建真正明白人类目的、计画和价值观的机械奠基一些需要的哲学和观点基础,」Xuan说。「这种将人类建模为不完善推理者的基本方式感受异常有前途。现在,它让我们能够推断出计画什么时候是错误的,也许它最终也会让我们推断出人们什么时候持有错误的信心、假设和指导原则。」

Zhi-Xuan、Mansinghka和Tenenbaum与电气工程和电脑科学研究生Jordyn Mann和博士生Tom Silver一起撰写了这篇论文。他们将在NeurIPS 2020在线上展示他们的功效。

网友评论

2条评论
  • 2021-03-03 00:12:13

    诚信在线诚信在线(www.9cx.net)为您提供电影、电视、音乐、明星八卦、娱乐新闻等全方位娱乐新闻,最全面丰富的娱乐圈新闻。叫上伙伴一起来看。